サンプル

AI HACK 2026 のハッカソンで開発された「CoseMe Loop（コスミーループ）」は、コスメの購入前から購入後の活用までをサポートする AI サービスだ。ユーザーは自分が所有するコスメを登録し、購入から使用までの履歴を記録する。それをデータベース化して AI に学習させ、「あなたの手持ちコスメを組み合わせるとこんなメイクができる」「このコスメをもっと活用できるペアリング」といった提案を受け取る。一見するとただの「コスメ管理アプリ」に思えるが、実際のサービス設計には、実務的な AI 活用の工夫が詰まっている。OrcaRouter による効率的な LLM 選択、プロンプトインジェクション対策など、セキュリティと性能のバランスを取る実装が紹介されている。

ここで注目すべきは、AI が解く問題の本質だ。多くの人はコスメを「欲しい」という一時的な感情で買い、その後の活用率は低い。CoseMe Loop は逆向きから攻める設計になっている。所有データと使用履歴をデータベース化して AI に分析させ、「あなたが本当に好みとするコスメの特性・色・テクスチャー」を抽出する。その結果を「次に何を買うべきか」という購買判断に活かす流れだ。つまりサービスは「感情的な買い方」から「実績データに基づく購買」へ、顧客の意思決定パターンそのものを改造しようとしている。これは単なる効率化ではなく、消費行動の「構造的な改善」だ。

中小企業にとって、この事例から引き出すべき教訓は明確だ。自社内の「無駄」「ミス」「非効率」の多くは、データをもとに AI で分析できる個人・チームの行動パターンに根ざしている。在庫管理の慣性、営業プロセスの冗長性、採購判断の属人性。これらはすべて「実績データを AI に可視化させ、その結果を次の判断基準に組み込む」ことで改善の余地がある。CoseMe Loop は「個人の消費選択の改善」という限定的な場面だが、同じ論理は企業内のあらゆる反復的な判断に適用できる。データがあれば、AI はそこから「もっと良い選択」を提案できるということだ。